主分类：搜索推荐与业务决策算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "推荐算法工程师（多模态生成式推荐方向）-抖音内容理解",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、多模态内容理解与应用：构建视频/直播多模态表征体系，融合视觉、音频、文本特征实现多层级语义刻画，优化标签体系与用户兴趣画像，提升内容与用户兴趣匹配精度，解决冷启动问题；\n2、推荐系统全链路优化：参与召回、粗排、精排、混排全链路算法设计，针对直播/短视频场景需求优化推荐效果；搭建离线评估体系，确保离线指标与线上业务目标对齐；\n3、前沿技术落地探索：推动生成式推荐在短视频/直播场景落地，结合大模型探索创新推荐范式；解析模型评测数据，完成算法工程化落地，协同产品、工程团队提升推荐全链路价值。",
"requirements_text": "1、计算机/软件/人工智能/数学等相关专业的优先；\n2、熟悉主流推荐算法（如协同过滤、基于内容的推荐、矩阵分解、强化学习推荐等），具备推荐系统架构设计与优化经验，对推荐算法的召回、排序、重排等核心模块有深入理解；\n3、具有扎实的机器学习基础，对深度学习、大语言模型、多模态模型、生成式模型等内容理解与生成技术有深入的理解，数理功底扎实，自学能力强；\n4、有扎实的编码能力，熟练使用相关机器学习框架和工程框架；\n5、在计算机科学高水平会议和期刊如NIPS、ICML、CVPR、ICCV、ECCV、IJCAI、AAAI、KDD、SIGIR、WWW、ACL、PAMI、IJCV等发表过论文或有竞赛经验者优先；\n6、能够结合业务场景，设计并实现有效的推荐策略，具备通过数据分析评估推荐效果、迭代优化推荐算法的能力。",
"skills": [AI生成
"机器学习",
"深度学习",
"强化学习",
"推荐算法",
"数据分析",
"系统架构",
"架构设计",
"大语言模型"
],
"preferred_qualifications": "1、计算机/软件/人工智能/数学等相关专业的优先；5、在计算机科学高水平会议和期刊如NIPS、ICML、CVPR、ICCV、ECCV、IJCAI、AAAI、KDD、SIGIR、WWW、ACL、PAMI、IJCV等发表过论文或有竞赛经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7516809920467159314/detail"
}
]
},
"posting": {
"posting_id": "7516809920467159314",
"post_date": "2025-06-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7516809920467159314/detail"
},
"fulltext": "推荐算法工程师（多模态生成式推荐方向）-抖音内容理解\n职位描述\n1、多模态内容理解与应用：构建视频/直播多模态表征体系，融合视觉、音频、文本特征实现多层级语义刻画，优化标签体系与用户兴趣画像，提升内容与用户兴趣匹配精度，解决冷启动问题；\n2、推荐系统全链路优化：参与召回、粗排、精排、混排全链路算法设计，针对直播/短视频场景需求优化推荐效果；搭建离线评估体系，确保离线指标与线上业务目标对齐；\n3、前沿技术落地探索：推动生成式推荐在短视频/直播场景落地，结合大模型探索创新推荐范式；解析模型评测数据，完成算法工程化落地，协同产品、工程团队提升推荐全链路价值。\n\n职位要求\n1、计算机/软件/人工智能/数学等相关专业的优先；\n2、熟悉主流推荐算法（如协同过滤、基于内容的推荐、矩阵分解、强化学习推荐等），具备推荐系统架构设计与优化经验，对推荐算法的召回、排序、重排等核心模块有深入理解；\n3、具有扎实的机器学习基础，对深度学习、大语言模型、多模态模型、生成式模型等内容理解与生成技术有深入的理解，数理功底扎实，自学能力强；\n4、有扎实的编码能力，熟练使用相关机器学习框架和工程框架；\n5、在计算机科学高水平会议和期刊如NIPS、ICML、CVPR、ICCV、ECCV、IJCAI、AAAI、KDD、SIGIR、WWW、ACL、PAMI、IJCV等发表过论文或有竞赛经验者优先；\n6、能够结合业务场景，设计并实现有效的推荐策略，具备通过数据分析评估推荐效果、迭代优化推荐算法的能力。\n1、多模态内容理解与应用：构建视频/直播多模态表征体系，融合视觉、音频、文本特征实现多层级语义刻画，优化标签体系与用户兴趣画像，提升内容与用户兴趣匹配精度，解决冷启动问题；\n2、推荐系统全链路优化：参与召回、粗排、精排、混排全链路算法设计，针对直播/短视频场景需求优化推荐效果；搭建离线评估体系，确保离线指标与线上业务目标对齐；\n3、前沿技术落地探索：推动生成式推荐在短视频/直播场景落地，结合大模型探索创新推荐范式；解析模型评测数据，完成算法工程化落地，协同产品、工程团队提升推荐全链路价值。\n1、计算机/软件/人工智能/数学等相关专业的优先；\n2、熟悉主流推荐算法（如协同过滤、基于内容的推荐、矩阵分解、强化学习推荐等），具备推荐系统架构设计与优化经验，对推荐算法的召回、排序、重排等核心模块有深入理解；\n3、具有扎实的机器学习基础，对深度学习、大语言模型、多模态模型、生成式模型等内容理解与生成技术有深入的理解，数理功底扎实，自学能力强；\n4、有扎实的编码能力，熟练使用相关机器学习框架和工程框架；\n5、在计算机科学高水平会议和期刊如NIPS、ICML、CVPR、ICCV、ECCV、IJCAI、AAAI、KDD、SIGIR、WWW、ACL、PAMI、IJCV等发表过论文或有竞赛经验者优先；\n6、能够结合业务场景，设计并实现有效的推荐策略，具备通过数据分析评估推荐效果、迭代优化推荐算法的能力。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}